Quel analyse perspicace me conseiller vous pour ces données?

Salut!

J'aurai pu mettre la question au pluriel (quelles analyses).
Voici mon problème :
J'ai des variables de T°C, de concentration de glucose,sexe, de pH et de fréquences d'oscillation d'antennes de crabe...
je veux essayer d'extraire de ces données les éventuelles relations qu'il y a entre ces différentes variables.
Ce ne sont pas les relations entre la température et le glucose ou le pH qui m'intéresse qui sont toutes des variables contrôlées et déterminées par moi même. Mais je veux savoir quels liens peuvent exister entre la fréquence d'oscillation des antennes et ces variables.
l'hypothèse émise est que l'acidification de l'eau donc la diminution du pH créérai des perturbations (diminution) de la fréquence des oscillations des antennes et qu'il réagirait différemment au concentration de glucose.
J'ai plein d'idée sur ce qui serait possible de faire mais je n'ai pas les arguments qui me permettent de me décider.
J'ai pensé à une ACC...en fait j'en sais rien. J'ai suivi plein de cours mais j'arrive pas à me rappeller de grand chose.
Ah oui le sexe est une donnée non numérique je ne sais pas comment l'inclure dans mon analyse...

Si vous savez quelS testS et analyseS statistiqueS me permettraient de retirer la substantifique moelle de ces données je vous serez gré de m'en faire part mes amis...

Polo24

bonsoir, si tu veux voir la relation entre les deux variables quantitatives l'acidité mesurée en pH et le nombre d'oscillation aucun intérêt d'aller à l'analyse de donnée, tu peux mesurer la corrélation linéaire, et puis tu construit un modèle et tu test sa robustesse et tu auras un travail génial tu peut y construire 2 selon le sexe si c'est l'objectif.

Merci de ta réponse mais en fait j'ai plusieurs variables dans la variable que j'ai appelé fréquence des oscillations en fait j'ai 5 variables différentes pour les fréquences (Gauch ,droite,gauche +, droite+...) et je ne veux pas que comparer cela à l'évolution du pH mais aussi a la concentration de glucose ajouté...

Bonjour.

Une première idée : Le sexe a-t-il effectivement une influence sur la variable étudiée (si j'ai bien compris, la fréquence des oscillations des antennes) ?
Une deuxième idée : Les 5 variables "fréquence" sont-elles décorrélées ? Si non, inutile d'en utiliser 5. Si oui, tu peux les étudier séparément.
Une fois que tu n'as plus qu'une variable à expliquer, de l'analyse de régression à plusieurs variables (explicatives) devrait t'aider.
Ensuite, pour tester, il faut des hypothèses. Autrement dit, avec tes données brutes et tes connaissances (j'imagine que tu as fait de la biblio, il y a sans doutes déjà des faits connus), tu vas modéliser la situation, et en fonction des modèles, tu pourras tester leur validité.
Si tu ne sais rien, des analyses de type "plan d'expérience" pourraient te donner quelques idées.

Bonne chance !

Merci gg,

Mais j'ai pas compris ou tu voulais en venir,(je suis pluto néophyte en la matière) je m'attendais plutot a avoir des réponses:" il faut que tu fasses une AFC, un test du Khi2, ou une ANOVA pour observer ceci cela..".
Donc je vais essayer d'être plus clair dans mon énoncé
Voici mon tableau de données que j'ai simplifié pour ne garder que ce qui m'intéresse.


A partir de la colonne D, on a les oscillements d'antennes.(r=right,l=left,h=horizontal et v=vertical)
J'aimerai savoir les différences ou les similarités entre les colonnes des oscillements.Quels tests faire?
Mon maitre de stage m'a dit qu'avec une ANOVA je pouvais savoir si les colonnes était différentes et un test du Khi 2 ou étaient les différences.
Je pensai à faire une ACC ou une analyse factorielles des correspondances pour mettre en évidence les relations possibles entre ces paramètres ou les phénomènes sous jacents susceptibles de les contrôler mais peut etre que je dis de grosses conneries (c'est que j'ai surtout eu l'habitude de faire cela en TD de stat) mais peut etre que c'est pas approprié pour cela...
Si vous pouvez me dire quel traitement faire subir à mes données pour mettre en évidence mon hypothèse de départ qui est que l'on observe une diminution des oscillements en réduisant la valeur du pH et que cela influence également les réponses (oscillements) au divers concentration de maltose.

Je vous remercie, j'espère que j'ai été clair...

Polo24

gg répond à ta question en fait...

Soit les oscillations sont très corrélées, et en gros ça ne sert à rien de garder toutes tes variables, tu peux les résumer. Si non, regarde celles qui sont corrélées entre elles (gauche et droite, ou gauche et gauche+ par exemple), et résume les.
Si pas de corrélations, tu en garde 5.

Ensuite, toutes tes variables correspondent à des facteurs expérimentaux, qui tu controle toi même si j'ai bien compris (sauf le sexe).

Alors tu peux voir si il y a une différence de fréquence d'oscillation quand ces facteurs varient.
Pour ça je dirais ANOVA à plusieurs facteurs (qui marchera bien si tu as bien équilibré tes facteurs...
C'est une des choses que tu peux faire, mais pas la seule. Tout dépend de ton problème...

Merci hadrien,

Je pense qu'elles sont corrélées en effet, les horizontals d'une part entre elles et le vertical d'autres part.
"Résume les" tu veux dire que je fais une moyenne je suppose...?

j'ai édité le message au dessus ça t'apportera surement des précisions
merci

As-tu vérifié cette corrélation?
(via une ACP sur les données d'oscillation par exemple, tu peux visualiser graphiquement les corrélations entre variables, sinon une simple matrice des corrélations suffit)

Oui c'est ce que j'étais en train de me dire que c'est justement ce que j'ai besoin de vérifier si il y a une corrélation...
Ok je vais essayer de me dépatouiller comme cela...
Je reviendrai probablement sur le forum si je coince.


Merci de ton aide

Au passage, la moyenne n'est pas forcément la bonne méthode, en fonction de tes corrélations. (je ne sais pas si qqun peut valider mon intuition)

Si tu observes des variables très corrélées (soit 2 à 2, soit l'ensemble des variables), je te conseille de prendre comme variable "résumante" le premier axe de l'ACP sur les variables en question.

Ensuite je reviens un peu sur ce que j'ai dit, à la vue de tes données, l'ANOVA n'est pas forcément la meilleure méthode étant donné que tu as de nombreux facteurs pour le pH et le maltose.

bonjour,
moi de ma part je vous conseille de faire une ACP puisque les données sont quantitatives, l'ACP n'est pas compliqué et présente un bon outil pour débuter, l'estimateur de la moyenne n'est pas biaisé donc il peut refléter l'information mais je ne vois pas l'utilité si tu construit des intervalles de confiance pour les oscillations sa sera meilleur.

Bon alors c'est parti pour l'ACP si je résume...
Je vous tiendrai au courant de l'évolution de l'analyse via le forum...
Merci à vous 2.

Combien de variable on peut choisir pour faire une ACP au fait?
Je veux dire je ne suis pas obligé de faire mon ACP 2 à 2...

Je pense qu'il serait bien, dans ta problématique, de faire une ACP sur toutes les variables d'oscillation en actif, et les autres facteurs en illustratif, pour voir s'ils sont corrélés aux différentes variables d'oscillation.

Merci Adrien j'étais justement en train de me demander ce que c'était que tout ces types de variables...
J'essaye avec STATISTICA (Variable active,variable supplémentaire,individu actif et illustratives)
J'ai mis toutes les oscillations dans variables active mais je ne peux mettre qu'une seule variable illustratives ...
Tu pourrais m'en dire plus sur cela

Je ne connais pas statistica... Mais le fait que tu ne puisse mettre qu'une seule variable active est étrange...
Je te conseille de faire un résumé de tes différentes variables pour voir si elles sont bien considérées comme des variables numériques. (au moins ph et maltose!)

EDIT:
L'ACP permet de représenter tes données sur la base de différentes variables. En gros, elle construit de nouvelles variables (les composantes principales) qui résument un maximum d'information.
Les graphiques que tu obtient te décrivent donc tes données.
Les variables actives sont celles que tu vas utiliser pour construire cet espace de représentation. Les variables illustratives ou supplémentaires ne participent pas à la formation de tes composantes principales, elles sont là pour t'aider à interpréter tes données.
Dans ton cas, tu veux voir comment sont corrélées les variables d'oscillation, donc tu les met en actif. Les autres, tu ne veux pas qu'elles viennent "polluer" ton espace des oscillation en quelques sortes, donc tu les met en actif, et comme ça tu peux qd même voir si elles sont corrélées à tes variables d'oscillation.
C'est une façon assez grossière de t'expliquer, mais je pense que c'est à peu près juste...

je ne sais pas si tout le monde est d'accord avec moi, mais c'est comme ça que je ferai perso...

Ah oui je crois que tu as raison car en faisant des test avec mes données j'avais eu ce message concernant la colonne maltose...
Qu'entends tu par "résumer" ...Moyenne?

Tout dépend de tes corrélations entre les variables...
D'abord, au vue de tes données, est ce que ça te sert à quelque chose de résumer? (as tu des corrélations fortes entre variables)

L'interprétation des corrélations te suffit-elle (quand le maltose augmente, les oscillation augmentent, etc), où as-tu besoin de prédire les oscillations en fonction des facteurs?

VOici mes permiers résultats...
J'observe juste que les variables Horizontal sont corrélées entre elles et que les verticales aussi ...
Mais la projection sur l'axe 1 de ces 2 types de variables est identique n'est ce pas...qu'en déduire?
Peut on dire que l'axe 1 décrit de manière similaire les variables verticales et horizontales...?

Matrice des corrélations



Cercle des corrélations n'est ce pas ?


Projection de la variable "maltose" sur le plan facto


Je ne déduis rien de ce dernier graphe, la variable maltose ne parait pas ordonné autour de ces 2 axes...

ça me semble un peu faiblard comme interprétation...
Voyez vous autre chose à dire?

Merci

Re.

Ton axe 1 est en quelques sortes une moyenne entre les horizontales et les verticales.
Par contre je ne vois pas ta variable maltose, ni le pH... Est ce que tu peux les projeter sur ton cercle des corrélations? (en les gardant comme illustratives? Je ne sais pas si statistica sait faire ça, je travaille sous R)

Ou bien au moins voir la corrélation entre ces variables là et celles d'oscillation.

J'ai essayé de chercher mais je n'arrive pas à avoir la projection des variables actifs avec celle des illustratifs.
Ce logiciel est assez intuitif mais y a beaucoup d'info alors je m'y perd un peu.
A la base je ne travaille pas sur STATISTICA , je vais essayer sur R et sur xcel pour voir si c'est mieux...Par contre R j'ai juste les bases donc je risque d'avoir besoin d'aide pour faire une ACP...

RE...

Après un essai sur Excel (c'est très facile avec), j'obtiens cela...


Il s'agit bien d'un cercle des corrélations, je ne me rapelle plus mais plus les traits sont grand leur valeur s'approche de 1) plus ils sont quoi déjà?
je sais que l'angle entre les traits détermine si ils sont corrélés...
Donc mon interprétations de cela c'est que outre le fait que les oscillations verticales et horizontales sont corrélées entre elles, elles le sont aussi avec le pH mais par contre pas du tout avec le maltose...ce qui est étrange car les antennes sont censé oscillé en présence de celui ci mais cela veut dire que ces oscillations n'ont pas été provoquées par les ajouts de concentration de maltose mais par les variations de pH.

Qu'en penses tu?

Là ou je me questionne c'est en regardant ce tableau


L'axe 2 ne traduit que 7% de la variable pH, est ce significatif?
L'axe qui explique le mieux la variable pH est le 4 et pour le maltose c'est le 3,hors mes axes factorielles sont le 1 et le 2...est ce que cela me donnet quand même le droit de conclure sur ces 2 variables ?

Merci
polo24

A la vue de ton tableau des contributions, je peux voir que le pH et le maltose sont considérées ici comme des variables actives (sinon leur contribution seraient de 0 il me semble). Donc je te conseille de refaire l'analyse, en les considérant bien en tant que variables illustraitves (ou supplémentaires).

Regarde plutot la matrice des corrélations, car tu n'analyse pas le bon tableau. Ici, ça veut dire que l'axe 1 a été construit à partir de la variable pH, qui joue pour 7% dans la construction de cet axe... Ce n'est pas ce que tu recherche comme information, car tu veux que ton espace produit soit seulement créé à partir des données d'oscillation. Tu cherche à avoir ces variables comme illustratives, donc leur contribution doit être égale à 0.

Sur R, si tu veux, je te conseille d'utiliser Rcmdr et le package FactoMineR, qui te permet de faire tout ça avec du clic-bouton, ce qui t'aidera si tu ne connais pas R. (demande de l'aide si besoin)

Même si tu ne fait pas ton analyse sur les bonnes variables, on peut penser que la bonne analyse ne sera pas très éloignée (au moins sur les 2 premiers axes).
Tout d'abord, ton premier axe résume 50% de ton information, ce qui est bien. En gros, il dit que quand le pH augmente, les oscillations augmentent.
Ton axe 2 oppose les horizontales et les verticales. L'angle entre les 2 est d'environ 90°, donc les oscillations sont casiment indépendantes (quand les horizontales oscillent, ça ne veut pas dire que les verticales le font aussi).
Tu peux aller voir sur les axes 3 & 4 si tu en as envie, voir si au sein des horizontales/verticales, on peut voir des différence de comportement (notamment en fonction du maltose).

Cordialement

Merci hadrien,

J'ai refait l'analyse en mettant le pH et le maltose en variables supplémentaires...et je constate que les oscillations sont corrélés avec le pH=8.1 (pH de l'eau de mer) ce qui est plutôt une bonne nouvelle pour nos hypothèses de départ.
Par contre au niveau du maltose, c'est difficilement exploitable selon moi.
Les traits sont très courts, cela veut il dire que leur contribution sur les axes est faible ?



Je suis en droit de mettre des hypothèses sur la signification des axes selon toi? Par exemple est ce que je peux dire que l'axe 1 est la capacité de conduction des signaux chimiques de l'eau. Hormis les corrélations qu'il existe entre ces différentes variables, quel signification puis je donner aux axes et est ce que je suis en mesure de le faire ?

Je vais lancer les analyses sur R mais plusieurs packages sont nécessaires pour que Rcmdr fonctionne, le téléchargement est plutôt long...



Je vois que sur cette matrice il ya de forte corrélations entre mes variables et je me pose la question du souci de colinéarité.
J'ai lu sur un site ceci:
"S'il existe une combinaison linaire entre plusieurs vecteurs, on est ramené à un problème de colinéarité. En pratique, la colinéarité est l'ennemie. Par exemple, une régression multiple exige l'élimination de toute variable explicative qui serait une combinaison linéaire d'autres variables. On s'assure donc du rang de la matrice des SCALAIRES que sont les coefficients des variables."

Est ce que tu peux me dire si c'est problématique pour l'exploitation correcte de mes données?
Je me dis que ça ne l'est pas car ceux sont toutes des variables d'oscillations que l'on pourrait résumer en variable Verticales d'une part et Horizontal d'autre part.

Merci de ton aide

Polo24

Bonjour polo24,
pas mal de question alors je vais essayer de faire simple.
Ton analyse est bonne, mais à ta place j'aurai fait une variable pour le maltose et une pour le pH, plutot que une variable pour chaque concentration ou acidité, ce qu'il me semble tu as fait. Ton graphique sera d'autant plus lisible et interprétable, de même pour tes corrélations. ça ne te prend que quelques minutes, et étant donné que ces variables sont quantitatives, autant les traiter comme tel (tu les a rentré en binaire, du type 0/1?), et sur la même analyse (pas en faisant 2 ACP séparées)

Visuellement, les oscillations ont l'air d'être corrélées au pH, plus le pH augmente, plus les oscillation sont fréquentes. Point de vue technique (pH de l'eau de mer et tout ça) je te laisse interpréter.
Pour le maltose, il est très mal projeté sur les 2 premières dimensions (les corrélations entre maltose et oscillation sont faibles, pas les contributions!)

A toi d'interpréter tes axes. Je dirai que l'axe 1 sépare les cas ou les oscillations sont fréquentes des cas ou elles ne le sont pas. Ce qui correspond à une opposition des valeurs de pH. Pour la conduction de signaux chimiques etc, je n'y connais rien, tu es mieux placé que moi...

Dans ta matrice de corrélations, tu peux voir que les horizontales sont très corrélées entre elles, les verticales de même. Mais la corrélation entre ces 2 types d'antennes est plus faible (ce qui se traduit par un angle d'environ 60°). En gros, quand les horizontales oscillent, ça ne veux pas dire que les verticales le font aussi. Mais ce deuxième axe est plus difficile à interpréter du point de vue de tes variables expérimentales (pH et maltose). étant donné que les corrélations sont plutot faibles.

Mais peut être que sur l'axe 3, tu pourras voir que le maltose influe sur les corrélations dans le sens ou quand le maltose augmente, cela influe sur les fréquences d'oscillation de rv- mais pas rv+ par exemple.

Pour ce qui est de la colinéarité, ce n'est pas un problème ici, l'ACP sert même à visualiser cette colinéarité en quelques sortes. Elle te posera soucis si tu cherches à prédire un variable, dans le cas ou tes variables explicatives sont corrélées entre elles, dans un cadre de modélisation donc. Ce n'est pas ce que tu fais ici, donc ne t'inquietes pas pour ça.

Encore Merci hadrien,

Je ne vois pas trop ce que tu veux dire dans ton premier paragraphe, ce sont des variables quantitatives je ne vais pas les rentrer en binaires...!!?
J'ai fait 2 ACP pour un problème de lecture du graphe quand le pH et le maltose se superposaient on n'y voyait pas grand chose mais sinon ça ne change pas les projections...

Au sujet du maltose , tu dis, si j'ai bien compris, que la contribution est bonne et qu'il est mal projeté sur les axes...pour moi c'est contradictoire...quand on parle de contribution on parle de l'inertie de la projection du nuage de points sur les 2 premiers axes...Qu'en dis tu?

Pour l'interprétation de l'axe 1, j'essayai de trouver une signification à un phénomène sous jacent qui expliquerait cette corrélation entre fort pH et forte oscillations mais c'était purement intuitif de ma part.Aucune certitude.

Oui en effet j'avais repéré cela sur l'axe 3 pour le maltose.

J'ai lancé mes analyses sur R(Rcmdr), j'ai chargé mes données, lancer l'ACP mais je n'ai aucune idée de comment obtenir les représentations graphiques.
Je te serai très reconnaissant de bien vouloir m'aider à faire cela sur R.

Mille merci

Polo24